含多利益主体的配电系统协同优化调度

姚 璐，袁 龙，谢 敏，谢 威，叶佳南，范俊秋

（1.贵州电网有限责任公司 贵安供电局，贵州 贵安 550029；2.华南理工大学 电力学院，广州 510640）

0 引言

近年来，为实现节能减排和能源结构的清洁化转型，用户侧分布式能源发展迅速，冷热电多能耦合运行特性日益显著。同时，在智能设备、先进控制技术的广泛应用以及电力市场化改革等多重刺激下，配电网中大量的分布式电源由用户或新能源供应商建设［1］，随着电力市场化改革的推进和能源互联网的迅速发展，传统的垂直一体化的配网管理模式将逐步向包含配网运营商主体、分布式能源商主体、CCHP型负荷集成商主体等分散化、多利益主体协同方向转变，以实现对源、网、荷、储的灵活管理与调控，有助于清洁能源消纳和能源结构转型。多利益主体协同优化成为市场环境下主动配网优化调度的重要特色。因此，在实际工程应用中，多利益主体协同优化调度具有利益主体多样化的特点，需要协调各方运营主体的利益，同时还需考虑多能耦合运行。

配网利益主体所辖业务范围的相关耦合设备通常包括风电、光伏、储能、CCHP等元件以及负荷，通常采用多目标优化、双层优化方法侧重实现单利益主体。文献［2］通过构建ADN联合优化调度平台，建立独立利益相关者的多目标优化调度模型。文献［3］提出一种混合整数双层模型，从日前与实时两个时间尺度，模拟配电网运营商与下属微电网之间的交互关系。文献［4］—文献［5］运用了分布式算法处理多微网参与的配电网协同运行问题。文献［6］综合各微源的发电特性和冷热电负荷需求，以经济成本和环境成本作为目标函数建立优化调度模型，提出了一种多目标蜂群算法，求解冷热电联供系统中单个利益主体内部协调优化调度问题。

现有研究侧重分析单利益主体，但未考虑各主体间的交互，缺乏对含多利益主体配网系统的系统化、多方面灵活性协同调度分析，且部分求解算法，也存在结果局部最优、过于理想化等问题。同时，由于目前多利益主体协同优化调度依然存在一些问题，包括不同主体特性的耦合运行设备运行协同、利益主体端和调度端在电力市场下利益协同、参数信息采集、安全可靠性等问题。基于以上研究的局限性，本文对配网运营商主体、分布式能源商主体、CCHP型负荷集成商主体进行建模，以ATC模式搭建分布式能源系统运行框架，通过迭代过程中交换联络变量信息实现协同一致性收敛，并基于IEEE 33配网系统算例验证所提模型和算法的有效性。

1 各利益主体建模

配电系统中，“多利益主体”表现为配网中多种类型的运营商或代理商，如配网运营商、分布式能源商、CCHP型负荷集成商等，这些利益主体通过集成或者代理单个/多个用户单元参与市场，并对各自所辖业务范围内的冷热电多能元件以及分布式能源进行协调优化，从而获取相应的的经济利益，如图1所示。

图1 含多利益主体的配电系统协同优化调度结构Fig.1 Cooperative optimal dispatching structure of distribution system with multi-stakeholders

1.1 配网运营商

在电力市场体制改革下，随着配网业务工作的开展，配网运营商作为发电企业到电力用户的桥梁，具有投资、维护、管理与运行配网的功能。配网运营商的目标是使配网侧机组总发电成本以及配网与配网下各主体的交互成本之和最小，因此该类利益主体目标函数为

功率平衡约束如下

常规机组的出力上下限如下

爬坡率约束如下

配网备用功率约束如下

联络线功率约束如下

1.2 分布式能源商

在配电运营商的管理下，分布式能源商主营或集成代理分布式能源发电，提供售电、能效管理等服务，优化电力资源配置，为用户送电，获取一定的利益。其目标是使分布式能源商购电成本、储能元件损耗成本、发电机组发电成本之和最小。故该类利益主体的目标函数为

式中：Fpl为分布式能源商的总生产成本；Fes为元件装置损耗成本；FG1为分布式能源商代理的用户单元中发电机组发电成本。

储能元件（以蓄电池为例）运行约束如下所示

风电出力约束如下

光伏出力约束如下

功率平衡约束如下

1.3 CCHP型负荷集成商

CCHP型负荷集成商的目标是使CCHP型负荷集成商购电成本、发电机组发电成本、储能元件损耗成本以及CCHP系统产生的燃料费用之和最小，该类利益主体的目标函数为

式中：Fp2为CCHP型负荷集成商总生产成本；Cgas为天然气气价；Fmt,t为t时刻燃气轮机消耗的燃料；Fb,t为t时刻燃气锅炉消耗的燃料；FCCHP,es为CCHP系统中储能元件的损耗成本；FG2为CCHP型负荷集成商代理的用户单元中发电机组发电成本。

CCHP型负荷集成商所辖元件比较多，主要考虑约束条件：常规的CCHP系统储能元件、燃气轮机、燃气锅炉、余热回收锅炉、电制冷机、吸附式制冷机以及功率平衡约束，具体可参考文献［7］来说明。

2 含多利益主体的配电系统协同优化调度

分析目标级联法是一种解决分散式、层次结构协调问题的设计方法，其总体思路是在上下层主体设计目标中引入反映联络变量差异的罚函数，通过上下层主体相互通信进行协调优化，其基本原理如图2所示。

图2 分析目标级联法基本原理Fig.2 Basic principle of analytical target cascading method

因此，将分析目标级联法应用于大规模复杂的含多利益主体的配电系统协同优化调度为一种有效的方法。由于配网是实现各主体电能量交易的物理载体，因此在构建分析目标级联法的结构时将围绕配网运行来进行。将配网部分至于上层结构有利于计算实现，但这不影响文中3类主体进行电能量交易的对等地位。

分布式能源商的目标函数可以表示为

CCHP型负荷集成商的目标函数如下

式中：v1,t、w1,t分别为t时刻分布式能源商拉格朗日罚函数的一次项、二次项乘子；v2,t、w2,t分别为t时刻CCHP型负荷集成商拉格朗日罚函数的一次项、二次项乘子。

式中：n、m分别为分布式能源商、CCHP型负荷集成商的数量编号。

2.1 收敛条件与乘子更新原则

分析目标级联法作为一种有效的优化方法，其收敛性已经得到严格的理论证明［8］。若存在N个分布式能源商，M个CCHP型负荷集成商，则收敛条件如式（20）和式（21）所示。

式（20）表示作为耦合变量的虚拟负荷和虚拟发电机，在最后一次迭代过程中其差值应满足精度要求。式（21）表示系统总体效益是否达到了最优。

式中：j(k)为对应主体j的第k次迭代；Fp1,n、Fp2,m分别为第n个分布式能源商的总生产成本、第m个CCHP型负荷集成商的总生产成本；ε1和ε2为收敛精度。

同时，它们的拉格朗日罚函数的一次项与二次项乘子也有相应的更新原则，如果式（20）和式（21）不能同时满足的话，需要对它们的一次项与二次项乘子进行更新从而达到精度要求，如式（22）至式（25）所示

式中：v(k)、w(k)分别为第k次一次项、二次项乘子；ρ1和ρ2为乘子更新系数，它们的取值一般来说取为1～3，加快收敛的话，可以取为2～3，罚函数的乘子v、w的初值一般取较小的常数。

2.2 优化求解流程

含多利益主体的配电系统协同优化调度的求解流程如图3所示。

图3 含多利益主体的配电系统协同优化调度流程Fig.3 The process of collaborative optimization dispatching of the distribution system with multi-stakeholders

3 算例结果及分析

以IEEE 33节点配网系统为例，在1、11、26放置配网常规机组；19和28号节点分别接入含风光储能系统和冷热电联供系统以及风储能系统，其拓扑结构如图4所示。

图4 含分布式能源商、CCHP型负荷集成商的IEEE33节点结构Fig.4 IEEE 33-bus containing distributed energy providers and CCHP-type load integrators

CCHP系统调度资源参数、实时交易电价见文献［9］，蓄电池充电与放电价格分别为0.4、0.6元/kWh，天然气价格Cgas为2.20元/m3。分布式能源商、CCHP型负荷集成商的拉格朗日罚函数的一次项、二次项乘子初值v j、w j都设为1.5，收敛精度ε1和ε2均设置为0.01。各类型机组参数以及CCHP系统调度资源参数如表1所示。以24 h为调度周期，1 h为调度时段。

表1 机组参数Table 1 Parameters of generator

3.1 各利益主体调度优化结果分析

配网运营商、分布式能源商以及CCHP型负荷集成商所辖元件的优化调度结果分别如图5—图7所示。

图5 配网运营商负荷及机组出力Fig.5 Generation dispatch and load curve in distribution network operator

图6 分布式能源商蓄电池充放电、负荷及机组出力Fig.6 Battery charge and discharge,load and generation dispatch curves in distributed energy agent

图7 CCHP型负荷集成商蓄电池充放电、负荷及机组出力Fig.7 Battery charge and discharge,load and generation dispatch curves in CCHP load integration agent

由图5—图7可见，通过蓄电池的充放电与分布式能源机组的优化配合能够高效经济地满足各利益主体的负荷需求。在机组产生过剩或者不足的情况下，可实现充电或者放电，其值为正表示不同利益主体向配网运营商供电，其值为负表示不同利益主体向配网运营商购电。

由图7可知，4:00—6:00，分布式能源商代理的用户单元内的负荷需求相对较低，机组DG1和DG2以低功率运行，蓄电池进行充电；19:00—22:00，负荷需求相对较高，机组DG1和DG2以高功率运行，蓄电池进行放电以满足负荷需求。

图8—图9为CCHP型负荷集成商各冷热负荷平衡结果。

图8 CCHP型负荷集成商热负荷功率平衡图Fig.8 CCHP load integration agent heat load power balance diagram

图9 CCHP型负荷集成商冷负荷功率平衡图Fig.9 CCHP load integration agent cold load power balance diagram

由图8可知，负荷需求变化平缓，机组DG1和DG2出力也较为平缓，10:00—14:00和16:00—17:00为负荷高峰期，蓄电池进行放电；2:00—4:00，机组DG1和DG2多余的出力转换成蓄电池充电，实现较好的储能效果。

由图8可知，燃气锅炉由于其单位天然气供热成本较低，是系统中最主要的热量来源。当热负荷需求较高且燃气锅炉燃烧无法满足热负荷供给时，剩余的热需求由余热锅炉供给，同时提供给吸收式制冷机供冷需要的功率，达到热负荷功率平衡。而在图9中，由于吸附式制冷机依靠自身的产热量供冷，因此冷负荷需求较低时，系统优先选择吸附式制冷产生的热量来推动吸附式制冷机供冷以降低CCHP系统综合能源运行成本；当冷负荷需求较高时，系统以吸附式制冷机和电制冷机供冷为主来满足冷负荷需求。

3.2 算法性能分析

（1）系统规模的影响

为验证ATC算法在多利益主体接入的性能，依次同时接入更多的分布式能源商、CCHP型负荷集成商，并且采用分支定界法进行集中式求解与本文所用的ATC求解算法的优化结果进行对比，收敛精度设置为工程上常用的10-2，如表2所示。

表2 不同算法、利益主体数量的优化结果对比Table 2 Comparison of optimization results of different algorithms and the number of stakeholders

由表2可知，当利益主体的数量较少时，采用集中式优化方法耗时少，有着较高的求解效率。随着利益主体的数量增加，集中式优化方法的求解效率大幅度下降，而ATC优化方法能够降低每个利益主体子系统的维数，有着优越的求解性能。

表3给出了利益主体的数量为2、4、6、8、10（分布式能源商、CCHP型负荷集成商的数量分别为1、2、3、4、5），收敛精度由10-2到10-6变化时，ATC方法与集中式方法在总成本、偏差、计算耗时等3方面指标的变化情况。

由表3可见，当收敛精度足够高时，分布式的计算结果将与集中式方法基本一致，甚至略优于集中式算法（10-5和10-6），但以计算效率为代价。而当利益主体个数由2个增至10个，收敛精度设为10-2时（工程上常用收敛精度值），分布式算法的计算耗时由8.2 s增至38.6 s，增加3.7倍；相应地，集中式算法计算耗时由1.5 s增至58.3 s，增加37.9倍。且当利益主体数达到10 h，ATC算法的计算耗时小于集中式算法，而前者的成本费用仅比后者高2.43%，在工程可接受范围内。可见，当精度一定时，ATC方法在对大量利益主体协同优化调度中计算效率相对集中式算法具有更好性能，能够真正实现利益主体的自治优化和隐私保护，且利益主体数量越多，这种优势越明显。

表3 不同收敛精度的优化调度结果对比Tab.3 Comparison of optimal scheduling results with different convergence accuracy

（2）迭代收敛的情况

系统总成本的迭代收敛曲线如图10所示。

图10 系统总成本的迭代收敛曲线Fig.10 Iterative convergence curve of total system cost

如图10可知，取上述利益主体的数量为2、4、6、8、10（分布式能源商、CCHP型负荷集成商的数量分别为1、2、3、4、5）为例，设收敛精度设置为10-2，优化过程分别经过8次、8次、10次、13次、15次完成了总成本的迭代。

4 结束语

本文引入分析目标级联理论，提出了一种以配网运营商、分布式能源商、CCHP型负荷集成商为利益主体，通过交换联络变量信息建立的协调优化调度模型。以各个利益主体内部元件的详细技术模型为基础，把各个利益主体与配网运营商之间的联络变量进行解耦与并行求解。ATC方法在对大量利益主体协同优化调度中计算效率相对集中式算法的误差基本保持在2.43%内，但计算耗时明显减少，且利益主体数量越多，这种优势越明显。该模型考虑了含风-光-储和冷热电联供系统的接入，有利于实现配电系统的多能互补运营，能够为不同售电利益主体进入电力市场后的能量优化管理提供了有效的决策理论和方法。D